一种快速多人脸跟踪算法

提出一个基于肤色的快速多人脸跟踪算法.利用多个CAMShift跟踪器实现多人脸跟踪,提出最优排序法和目标消除法解决多人脸跟踪过程中目标发生粘连重叠的问题;引入多辅助信息和表决制解决了相邻两帧中人脸的对应问题.为进一步提高整个算法的跟踪速度和鲁棒性,引入卡尔曼滤波器对目标进行预测.实验结果表明,该算法可实时稳健地实现多人脸跟踪.     

银行营业场所智能视觉监控系统

介绍一种自动人脸检测与跟踪的智能视觉监控系统,它可以获取进入银行营业场所人员的清晰正面像.结合自适应阚值判定运动像素点分离运动目标、肤色特征、多级Adaboost分类器和Hausdorff距离实现实时人脸定位;用检测到的人脸位置来初始化跟踪算法实现快速人脸跟踪;以及基于对象的视频编码传输以及算法的DSP实现.     

一种鲁棒的均值漂移与彩色特征点提取相结合的面部跟踪算法

针对复杂背景中的多人脸跟踪问题,提出一种均值漂移与彩色特征点提取相结合的面部跟踪算法.手动选取要跟踪的面部区域,并利用彩色Harris探测器进行特征点提取,然后根据肤色的色度信息,利用均值漂移算法粗略定位人脸的位置,之后对这个区域提取特征点,与其前提取的特征点进行匹配,满足约束条件的区域即为要跟踪的人脸区域.实验表明,该算法可以排除近肤色物体的干扰并可以在多人脸发生重叠的情况下保持稳定跟踪.     

人脸检测跟踪与特征点定位系统

实现的人脸检测跟踪与特征点定位系统,基于VC++6.0开发平台,使用opencv作为开发工具,有效缩短了系统的开发时间。首先,本系统采用adaboost算法进行人脸检测,通过合理的特征模板的选择实现了人脸的实时检测;其次,人脸跟踪模块选用camshift算法,利用人脸检测模块生成的人脸坐标传递给跟踪模块,实现人脸的自动实时跟踪,同时建立多个camshift跟踪器对多人脸进行跟踪,并有效地解决了人脸遮挡的问题;最后,通过ASM(active shapemodel)算法实现了实时人脸特征点定位。实验结果表明该系统实现的人脸实时检测跟踪及特征点定位,效果明显,可以作为表情分析和情感计算、视频人脸识别开发的基础。     

人脸考勤系统中人脸视觉特征融合跟踪算法

基于人脸考勤系统提出了一种人脸视觉特征融合的跟踪算法,并将其扩展到多人脸跟踪场合.该算法充分利用了人脸的颜色信息和轮廓梯度信息,实现了两种特征的互补.最后,给出了人脸跟踪仿真结果.仿真结果表明,该人脸跟踪算法有效且稳健性较好,能够很好地处理人脸旋转、遮挡等问题,具有很好的应用前景.     

基于多特征Mean Shift的人脸跟踪算法

该文把局部三值模式(Local Ternary Patterns, LTP)纹理特征引入Mean Shift跟踪算法,提出了基于多特征的Mean Shift人脸跟踪算法以解决Mean shift跟踪算法的鲁棒性问题。通过对LTP纹理特征的分析、研究,提出了一个LTP关键纹理模型,既增强了目标的关键纹理信息,又简化了LTP纹理模型。在此基础上,提出一种基于LTP关键纹理特征和肤色特征的Mean Shift人脸跟踪算法,有效地解决了Mean Shift算法的鲁棒性问题。为进一步提高对快速运动目标的跟踪速度和跟踪性能,该文引入了卡尔曼滤波器对目标进行预测。实验结果表明,该文的算法在目标定位的准确性和跟踪性能上比Mean Shift算法均有明显的提高。     

基于器官跟踪的人脸实时跟踪方法

头肩序列图像的人脸跟踪有着广泛的应用,但目前的大多数跟踪算法难以同时满足精确与快速的要求.本文提出了一种基于器官跟踪的人脸实时跟踪算法,利用形态学运算对嘴进行跟踪,进而通过对人脸对称性的分析,实现了对头肩序列中人脸的跟踪.由于算法只涉及简单的形态学运算^[1]和局部的旋转运算,速度达到实时要求,同时人脸对称性的分析保证了跟踪结果的精确性.     

基于DM6446的人脸检测与跟踪系统设计

将Adaboost人脸检测算法与Camshift跟踪算法相结合,以Adaboost人脸检测算法作为人脸的初始定位,以Camshift作为后续帧的跟踪,实现对视频序列的自动人脸检测与跟踪。系统所有算法均使用C和汇编语言混合编程并在TMS320DM6446上开发实现。实验结果表明,系统的算法简单、快速、鲁棒性强。     

救援机器人中人脸检测、定位和跟踪系统模型

本文提出了一种在救援机器人中实现人脸检测、定位和跟踪的可行方案。首先通过摄像头将救援机器人周围的场景转化成数字图像,进行预处理后,使之成为易于检测和定位的图像,然后运用图像分割技术找到感兴趣的目标并进行定位,最后使用CamShift算法跟踪运动的人脸并驱动电机转动。     

多特征融合的尺度自适应KCF人脸跟踪

针对传统核相关滤波(KCF)跟踪算法在人脸跟踪中无法处理尺度变化、严重遮挡等问题,提出一种多特征融合的尺度自适应KCF人脸跟踪算法。该算法先对肤色与HOG特征进行融合来表征人脸,通过多通道相关滤波器定位人脸位置;学习一个一维的尺度滤波器来估计人脸的最优尺度;采用线性插值的方式对滤波器系数和人脸外观模型进行更新。实验结果表明,改进后的算法能明显提高跟踪的性能。通过定量与定性分析该算法对尺度变化、严重遮挡等问题有很好的鲁棒性,跟踪速度在36.7 f/s时达到实时应用的要求,优于近几年一些优秀的跟踪算法。     

多人体跟踪

人体运动的跟踪与分析在图像处理和计算机视觉领域引起了很多学者的关注，但是目前大多数学者只对单人进行跟踪。针对这一点，提出一种多人跟踪的有效方法。在人体模型的基础上，利用apar条形识别人体的部位，并利用具有刚体性质的躯干对不同人体进行确定，最后采用区域匹配和特征点匹配完成多人的跟踪，并且很好的解决了遮挡问题。     

Combination of Multiple Measurement Cues for Visual Face Tracking

Visual face tracking is an important building block for all intelligent living and working spaces, as it is able to locate persons without any human intervention or the need for the users to carry sensors on themselves. In this paper we present a novel face tracking system built on a particle filtering framework that facilitates the use of non-linear visual measurements on the facial area. We concentrate on three different such non-linear visual measurement cues, namely object detection, foreground segmentation and colour matching. We derive robust measurement likelihoods under a unified representation scheme and fuse them into our face tracking algorithm. This algorithm is complemented with optimum selection of the particle filter’s object model and a target handling scheme. The resulting face tracking system is extensively evaluated and compared to baseline ones.     

An automatic algorithm for semantic object generation and temporal tracking

Automatic semantic video object extraction is an important step for providing content-based video coding, indexing and retrieval. However, it is very difficult to design a generic semantic video object extraction technique, which can provide variant semantic video objects by using the same function. Since the presence and absence of persons in an image sequence provide important clues about video content, automatic face detection and human being generation are very attractive for content-based video database applications. For this reason, we propose a novel face detection and semantic human object generation algorithm. The homogeneous image regions with accurate boundaries are first obtained by integrating the results of color edge detection and region growing procedures. The human faces are detected from these homogeneous image regions by using skin color segmentation and facial filters. These detected faces are then used as object seed for semantic human object generation. The correspondences of the detected faces and semantic human objects along time axis are further exploited by a contour-based temporal tracking procedure.     

Iterative optimization for frame-by-frame object pose tracking

Joint object tracking and pose estimation is an important issue in Augmented Reality (AR), interactive systems, and robotic systems. Many studies are based on object detection methods that only focus on the reliability of the features. Other methods combine object detection with frame-by-frame tracking using the temporal redundancy in the video. However, in some mixed methods, the interval between consecutive detection frames is usually too short to take the full advantage of the frame-by-frame tracking, or there is no appropriate switching mechanism between detection and tracking. In this paper, an iterative optimization tracking method is proposed to alleviate the deviations of the tracking points and prolong the interval, and thus speed up the pose estimation process. Moreover, an adaptive detection interval algorithm is developed, which can make the switch between detection and frame-by-frame tracking automatically according to the quality of frames so as to improve the accuracy in a tough tracking environment. Experimental results on the benchmark dataset manifest that the proposed algorithms, as an independent part, can be combined with some inter-frame tracking methods for optimization.     

基于显著性检测的星载嵌入式跟踪系统

随着航天科技的不断发展,计算机视觉算法在卫星上的应用方兴未艾,为了实现更多的功能需求和应对可能的威胁,视觉目标跟踪作为其中基础但具有挑战性的任务更是至关重要。然而,目前已有的目标跟踪算法大多数算法只限于对图像序列进行跟踪。另一方面,受到硬件条件制约,很多优秀的算法因为复杂度较高很少被应用到星载嵌入式系统中。这些目标跟踪算法运行时,通常需要人为地给出目标的边界框。为了自动得到边界框,需要目标检测算法对输入图像进行运动目标检测。本文提出了一种基于显著性检测和相关滤波的单目标检测与跟踪一体化算法,并与嵌入式系统相结合,在搭载的TMS320C6678芯片上达到了2 048 pixel×2 048 pixel分辨率下24 fps的帧率。具体地,检测算法负责对图像进行预处理并获得边界框,然后目标跟踪算法给出目标在后续帧中的位置。为了验证算法在实际跟踪中的有效性,本研究搭建了一个由相机、DSP和云台组成的光学平台并进行了实验验证。在该系统中,DSP自动完成检测、跟踪、驱动云台和再检测任务,达到了很好的检测跟踪效果。     

基于区域特征的视频序列人脸快速检测

提出了一种基于区域特征的快速人脸检测算法.采用瞬时差分和背景差分获取并跟踪运动目标.消除了运动目标引起的背景模型更新误差.在检测到的运动目标区域内.通过基于区域特征的马赛克三分图模型检测人脸区域,并利用频率直方图方法合并所检测区域,最终获得人脸位置.实验结果表明,平均检测时间为30ms/帧,检测准确率可达95.7%,算法复杂度低、检测效果好,适合各类视频图像的人脸实时检测.     

Face detection and tracking using a Boosted Adaptive Particle Filter

A novel algorithm, termed a Boosted Adaptive Particle Filter (BAPF), for integrated face detection and face tracking is proposed. The proposed algorithm is based on the synthesis of an adaptive particle filtering algorithm and the AdaBoost face detection algorithm. An Adaptive Particle Filter (APF), based on a new sampling technique, is proposed. The APF is shown to yield more accurate estimates of the proposal distribution and the posterior distribution than the standard Particle Filter thus enabling more accurate tracking in video sequences. In the proposed BAPF algorithm, the AdaBoost algorithm is used to detect faces in input image frames, whereas the APF algorithm is designed to track faces in video sequences. The proposed BAPF algorithm is employed for face detection, face verification, and face tracking in video sequences. Experimental results show that the proposed BAPF algorithm provides a means for robust face detection and accurate face tracking under various tracking scenarios.     

基于少量样本学习的多目标检测跟踪方法

视频目标检测跟踪算法一直是计算机视觉领域的研究热点,目前大部分方法均需人工采集样本训练检测模型,搭建目标检测跟踪系统.当目标成像条件发生变化时,需重新采集样本,训练模型,调试整个检测跟踪系统,耗费大量人力、物力.本文提出一种基于少量样本学习的多目标检测跟踪算法,只需在监控视频第一帧指定待检测目标,即可自主生成混合分类模...